《Global Ecology and Biogeography》：NemEu: European Database on Nematode Communities at Genus or Family Level
编辑推荐：
研究动机：土壤群落高度多样。由于缺乏具有空间属性的数据，目前对欧洲土壤生物多样性地理分布及其驱动因素的理解仍有限。NemEu数据库旨在通过提供欧洲属或科级线虫群落（nematode communities）数据填补这一空白。该分类分辨率有助于发现超出食性组水平
研究动机：土壤群落高度多样。由于缺乏具有空间属性的数据，目前对欧洲土壤生物多样性地理分布及其驱动因素的理解仍有限。NemEu数据库旨在通过提供欧洲属或科级线虫群落（nematode communities）数据填补这一空白。该分类分辨率有助于发现超出食性组水平的线虫分布模式，并计算基于线虫的土壤食物网动态指数（nematode-based indices of soil food-web dynamics）。
包含的主要变量类型：数据集包含按分类单元（taxon）分类的线虫丰度数据，以及相关元数据：地理坐标、采样日期和季节、土壤深度、土地利用类型和站点描述符。
空间位置与粒度：NemEu数据库涵盖1567个欧洲唯一地点，主要集中于西欧，纬度从葡萄牙南部到乌拉尔山脉。坐标精度变化范围约11 km至0.01 m。
时间段与粒度：采样时间跨度1975年至2020年，其中90%地点在1999年至2020年间采样。所有地点均记录采样季节，除两个地点外均记录年份。采样月份和日期分别可用于76%和60%的地点。
主要分类单元与测量水平：共记录276个线虫分类单元，其中56个科和220个属。
软件格式：.csv。
研究背景、问题与意义：土壤群落高度多样，并在生态系统功能中发挥重要作用。近年来，地下生物多样性理论认识显著提高，但仍缺乏具有空间属性的数据来界定欧洲不同生物地理区域内土壤群落及其功能贡献如何变化。通过大规模、空间显式数据集，可揭示不同生态和管理背景下土壤生物多样性模式，并识别地下多样性的关键威胁和驱动因素。已有若干全球数据集涉及蚯蚓、弹尾目和线虫等土壤生物。线虫无处不在，参与养分和碳循环以及土壤病害抑制，按食性分为食细菌、食真菌、植物寄生、杂食和捕食者等功能群。由于线虫跨越土壤食物网多个营养级，被广泛用作土壤食物网动态指标。Van den Hoogen et al. 的全球食性组水平数据已揭示，各线虫食性组丰度在高纬度达到峰值；但同一食性组内不同种间存在较大变异，可能显著影响地理分布模式。NemEu数据库包含属或科级记录，因而为超越食性组水平探索地理模式创造了新机会。属和科级数据还可估计体大小、体重等功能性状，并用于按定殖者–持续者尺度（colonizer–persister scale，c–p尺度）分类线虫，该尺度与线虫对不同干扰的敏感性密切相关。Bongers and Ferris 和 Ferris et al. 基于不同c–p得分和食性的相对丰度，开发了一系列基于线虫的指数（nematode-based indices，NBIs），用于表征土壤食物网结构。NBIs现广泛用作土壤健康和生态系统功能指标。Mani et al. 曾利用NemEu数据库，通过结构指数（Structure Index）和富集指数（Enrichment Index）评估线虫地理分布，发现这些指数在Metzger et al. 定义的欧洲环境区之间差异显著，但集约土地管理下食物网复杂性的地理差异减弱；理化土壤性质仅有限解释这些指数的地理分布，而干扰因素（如土地利用强度和极端天气事件）是食物网复杂性和土壤富集的重要驱动因素。该研究提供了线虫功能生物地理学的重要见解，但NemEu数据库仍有较大研究潜力。研究人员通过发布该数据集，旨在促进其使用并鼓励新研究，同时详细描述数据收集和协调过程，概述元数据和采样位置，并初步评估记录线虫分类单元的地理覆盖。
关键技术方法（≤250字）：数据汇编始于Van den Hoogen et al. 的数据收集工作，研究人员从中选择欧洲科或属级线虫数据，并与Edaphobase项目合作、通过线虫学家网络征集。纳入标准为显微镜鉴定至少到科或属且采样点地理参考；要求提供地理坐标、采样日期、季节和年份、深度、站点描述、采样评论及相关出版物。样本队列来源为21个国家、2933个观测、1567个唯一地点、1975–2020年，90%地点在1999–2020年采样。质量控制用NINJA（Nematode INdicator Joint Analysis，线虫指示生物联合分析）验证分类名称，并咨询Ron de Goede与Howard Ferris。分析使用R与vegan包，计算Shannon多样性指数、Bray–Curtis不相似性和Ward's D2层次聚类。
研究结果：
2 数据协调与概述：通过汇编和协调，研究人员建立欧洲最大线虫群落数据库，含2933个观测、1567个唯一地点、21个国家、45年跨度；本文补充完整NemEu数据库的分类单元级线虫计数。
2.1 元数据：通过协调元数据，数据库提供坐标、采样时间、深度、土地利用和描述字段等。
2.1.1 坐标和采样位置：通过WGS84坐标转换和精度记录，发现采样覆盖从葡萄牙南部到拉普兰、东至乌拉尔山脉，但分布不均，大西洋和Lusitanean区域最密，荷兰、比利时、法国及葡萄牙北部集中，不列颠群岛、东地中海、Boreal、北Alpine和Nemoral等区域代表性不足。
2.1.2 采样时间：通过整理日期、月、季节和年份，得出年份范围1975–2020，90%地点在1999–2020；月、日分别76%和60%可用；季节以春季最多，其后为夏季、冬季、秋季。
2.1.3 采样深度：通过深度数值化，得出多数地点采样深度为10 cm，94%地点在0–5 cm至0–20 cm范围。
2.1.4 土地利用：通过分类，得出农业用地以耕地、农业草地和果园为主，非农业用地以森林、天然草地和灌丛为主，其他类型和未知地点较少。
2.1.5 描述字段：通过保留自由文本和编码变量，可过滤污染或根际等特定站点属性；提取程序信息有限，未作统一比较。
2.1.6 每地点多次观测：通过统计，1567个地点中1229个为单次采样或多次观测均值，338个有多次观测；年份和季节组合变化最常见。
2.2 线虫数据：通过汇总，共记录276个分类单元，其中56个科、220个属，总记录涵盖84个科；丰度报告为每100 g
?1干土线虫数。
2.2.1 质量控制：通过NINJA和专家咨询，核对并更新分类名称，重命名后合并重复列并求和。
2.2.2 总结线虫数据：通过Shannon多样性指数和科级聚类，属级记录仅在对应科缺失时保留，否则并入科级；按唯一地点平均，经平方根转换、Bray–Curtis不相似性和Ward's D2层次聚类，因无自然截断而呈现九簇。
2.2.3 多样性分布：通过Shannon指数得出范围0.00–3.03，中位数1.98，罗马尼亚喀尔巴阡山较高，西班牙东南较低，提示需考虑土地利用效应。
2.2.4 科簇分布：通过聚类得出，簇1和2广泛且丰富，簇1丰度高于簇2；簇3–5也分布欧洲但不均匀，喀尔巴阡山常见；簇6–8丰度较低且区域受限；簇9极低丰度且仅匈牙利附近；簇内无明确食性组或c–p模式。
3 使用说明：通过分层、混合效应模型、编码变量排除异常和按地点平均等建议，提醒大型复合数据存在系统噪声、伪重复和空间偏差，需保留足够数据点。
4 未来研究：通过数据库应用潜力，指出可分析单个分类单元区域和大规模分布，结合性状数据库计算群落加权平均体重、NBIs和代谢足迹，NINJA可简化计算。
讨论总结与结论翻译：讨论部分强调，NemEu数据库的系统噪声主要来自采样条件，可通过元数据分层、混合效应模型、编码变量排除污染或根际样点等方式处理；多次观测可造成伪重复，最简单方法是按地点平均，但需注意采样条件变化、空间不确定性分析和均值回归。采样位置高度聚集，空间偏差应通过环境分层区估计参数或分层子采样处理。数据可用性和地理覆盖可通过结合?erevková等欧洲森林线虫群落研究改善，但显微镜向分子鉴定转变可能减少新显微镜数据，当前NemEu仅能用显微镜研究补充，未来需校准值将分子数据转化为形态信息。原文未设独立结论小节，其结论性内容见Future Research：NemEu数据库为线虫群落生物地理研究提供新可能性。例如，使单个线虫分类单元的区域和大规模分布模式分析成为可能。结合性状数据库（如Nemaplex），分类单元级数据还可用于计算群落水平指标。一个指标是群落加权平均体重，反映土地利用集约化，可提供土壤群落对这些实践的更深入见解。数据库还提供足够分类分辨率来计算土壤食物网功能的基于线虫的指数（nematode-based indices，NBIs）。Mani et al. 应用NemEu数据库研究了结构指数和富集指数，但还有许多额外NBIs可进一步揭示土壤食物网动态。例如，代谢足迹（metabolic footprints）可告知线虫群落不同组分对碳和养分循环的贡献，同时考虑其生物量和代谢活动。NINJA工具旨在简化这些指数计算，尤其是相对复杂的代谢足迹。
